pythonarray操作

⑴ python數組求和

在數組和矩陣中使用sum: 對數組b和矩陣c,代碼b.sum()，np.sum(b),c.sum(),np.sum(c)都能將b、c中的所有元素求和並返回單個數值。

但是對於二維數組b，代碼b.sum(axis=0)指定對數組b對每列求和，b.sum(axis=1)是對每行求和，返回的都是一維數組（維度降了一維）。

而對應矩陣c，c.sum(axis=0)和c.sum(axis=1)也能實現對列和行的求和，但是返回結果仍是二維矩陣。

# 定義函數，arr 為數組，n 為數組長度，可作為備用參數，這里沒有用到。

def_sum(arr,n):

# 使用內置的 sum 函數計算。

return(sum(arr))

# 調用函數

arr=[]

# 數組元素

arr=[12,3,4,15]

# 計算數組元素的長度

n=len(arr)

ans=_sum(arr,n)

# 輸出結果

print('數組元素之和為',ans)

(1)pythonarray操作擴展閱讀：

python數組使用：

python 數組支持所有list操作，包括 .pop、.insert 和 .extend。另外，數組還提供從文件，讀取和存入文件的更快的方法，列如如 .frombytes 和 .tofile，如下所示我們定義一個數組。

from array import arrayarr=array('d',(a for a in range(5)))print(arr)。

arr=array('d',(a for a in range(5)))從這個代碼中可以看出，一個數組的定義需要傳入的不只是值還有類型。

可以是(must be c, b, B, u, h, H, i, I, l, L, f or d)。

⑵ Python——ndarray多維數組基本操作（1）

數組允許進行批量操作而無需使用for循環，因此更加簡便，這種特性也被稱為向量化。任何兩個等尺寸之間的算術操作都應用逐元素操作的方式進行。

同尺度數組之間的比較，會產生一個布爾型數組。

上述操作均是在同尺度數組之間進行的，對於不同尺度數組間的操作，會使用到廣播特性。

索引：獲取數組中特定位置元素的過程；
切片：獲取數組元素子集的過程。

new_a = a.astype(new_type)

astype()方法一定會創建新的數組（原始數據的一個拷貝），即使兩個類型一致。

ls = a.tolist()

轉置是一種特殊的數據重組形式，可以返回底層數據的視圖而不需要復制任何內容。
數組擁有 transpose 方法，也有特殊的 T 屬性。

對於更高緯度的數組， transpose 方法可以接受包含軸編號的元組，用於轉置軸。

ndarray的 swapaxes 方法，通過接受一對軸編號作為參數，並對軸進行調整用於重組數據。
swapaxes 方法返回的是數據的視圖，而沒有對數據進行復制。

Reference：
《Python for Data Analysis:Data Wrangling with Pandas,Numpy,and IPython》

⑶ 怎樣用python將數組里的數從高到低排序

1、首先我們定義一個列表輸入一串大小不一的數字。

⑷ python中用numpy的array操作問題

c=np.vstack((a,b))

⑸ python中array函數怎麼用

1. 導入array

2. 調用array方法

3. 操作數組元素

from array import array

a = array('i', [1, 2, 3, 4, 5, 6, 7])
a.append(8)
a.append(2)
print(a)
print(a.count(2))
a.pop()
print(a)

a.remove(3)
print(a)
print(a.index(5))

運行實例，查看結果

⑹ Python中數組的基本操作

先定義一個數組列表：

列表合並也可以用+，但是用+的話，會產生一個新的列表（當然也可以賦值給任何的變數），而extend則只是修改了原來的對象

只讀數組，只能查看不能編輯，列表的切片操作同樣適於元組。

表達方式：tuple=("元素1","元素2","元素3"),中間同樣用，隔開

特殊的元組：tupleZero=（）空元組

                        tupleOne=("元素1"，)  只有一個元素，後面要跟一個，（注意好的習慣的養成）

作用：1.對於一些不想被修改的元素，可以放在元組裡面

        2.元組可以在映射（和集合的成員）中當作鍵使用，而列表不行

        3.元組作為內建函數和方法的返回值

enumerate（列表對象，返回標簽起始值（默認為零））

上面的例子可以看出，返回的i是一個元組，如果不想要元組的話，可以用兩個參數接收：

⑺ （Python）numpy 常用操作

不放回取樣：
從列表ori中不放回地取n個數

通過這種操作，我們可以獲得一個二維列表的子集：
（如果這個二維列表是圖的鄰接矩陣，那麼就是對圖進行隨機采樣，獲得一個圖的子圖）

首先要注意，"+" 操作對於list和numpy.array是完全不同的
python 中的list，"+"代表拼接:

在numpy.array中，"+"代表矩陣相加

keepdim指的是維度不變，常在sum中使用。如：

會發現，keepdim之後還是二維的

這里要注意，pytorch和numpy里max()函數的返回值是不同的
pytorch:

也就是說，max(1)代表求第一維的最大值，對於二維數組來說，就是求縱向的最大值，然後，第一個返回值是最大值所形成數組，第二個返回值是最大值所在的索引。這一個技巧在機器學習的分類任務中很常用，比如我們的分類任務是把數據分成m類，那麼最終我們模型的輸出是m維的，對於n個樣本就是n*m，如果要判斷我們的模型最終的分類結果，就是找n個樣本里，每個樣本m維輸出的最大值索引，代表樣本是這個類的可能性最大。我們可以方便地用這種方式找到最大值地索引：

其中test_out是模型輸出，predict_y則是分類結果
另外一點要注意的是，numpy與pytorch不同，numpy的max()只有一個返回值：

也就是說，numpy.max()不會返回最大值所在的索引